Documentos de Académico
Documentos de Profesional
Documentos de Cultura
- Procesos estocsticos, 2
- Recorrido aleatorio de estado discreto y tiempo discreto, 4 - La generalizacin del proceso, 6 - Procesos estocsticos en tiempo continuo, 12
Monografas de Juan Mascareas sobre Finanzas Corporativas ISSN: 1988-1878 Procesos estocsticos: Introduccin
1. Procesos estocsticos
Se denomina proceso estocstico1 a toda variable que evoluciona a lo largo del tiempo de forma total o parcialmente aleatoria. Un ejemplo, es la temperatura en Madrid, aumenta durante el da y baja durante la noche; aumenta en el verano y desciende mucho en invierno (nueve meses de invierno y tres de infierno, que se dice del clima castellano); su variacin es parcialmente determinstica y parcialmente aleatoria (figura 1). Otro ejemplo, es la variacin del precio de las acciones de Gamesa (figura 2), que evoluciona de forma aleatoria, pero a largo plazo tiene una tasa de crecimiento esperada positiva, que compensa a los inversores por el riesgo que corren al poseer el activo financiero.
Fig.1 Temperaturas mximas y mnimas en Madrid desde Marzo-2007 hasta Febrero-2008 [Fuente: NOAA, Climate Prediction Center]
rdto
8,0% 6,0% 4,0% 2,0% 0,0% 1 -2,0% -4,0% -6,0% -8,0% -1 0,0% 1 2 23 34 45 56 67 78 89 1 00 1 1 1 1 22 1 33 1 44 1 55 1 66 1 77 1 88 1 99 21 0 221 232 243
Fig.2 Evolucin del rendimiento diario de la accin de Gamesa durante el ao 2007 [Elaboracin propia]
La palabra estocstico se deriva del griego stochazesthai, que significa apuntar a un objetivo (stochos)
Monografas de Juan Mascareas sobre Finanzas Corporativas ISSN: 1988-1878 Procesos estocsticos: Introduccin
Los procesos estocsticos pueden ser clasificados en: - Tiempo discreto: Cuando el valor de la variable slo puede cambiar en una serie de momentos determinados del tiempo (por ejemplo, los sorteos de la lotera tienen lugar en determinadas fechas). - Tiempo continuo: Cuando el valor de la variable puede cambiar en cualquier momento del tiempo (la temperatura, por ejemplo). Otra forma de clasificar a los procesos estocsticos es: - Variable continua: La variable puede tomar cualquier valor comprendido en un rango (la temperatura, por ejemplo) - Variable discreta: La variable slo puede tomar determinados valores o estados discretos (los mercados financieros cotizan sus activos con unos precios que oscilan: de cntimo de euro en cntimo de euro, o en 1/8 de punto, etc.). Formalmente hablando, un proceso estocstico se define por una ley de probabilidad que gobierna la evolucin de una variable x (temperaturas, rendimientos, variacin de los tipos de inters etc.) a lo largo de un horizonte temporal t. De tal manera que para diferentes momentos del tiempo t1 < t2 < t3... podemos obtener la probabilidad de que los valores correspondientes x1, x2, x3... se siten dentro de un rango especfico como, por ejemplo: Prob [a1 < x1 b1] Prob [a2 < x2 b2] Prob [a3 < x3 b3] Cuando se llegue al momento t1 y observemos el valor correspondiente de x1, podemos condicionar la probabilidad de futuros sucesos a la luz de esta informacin (ver figura 3).
Fig.3
Monografas de Juan Mascareas sobre Finanzas Corporativas ISSN: 1988-1878 Procesos estocsticos: Introduccin
La temperatura en Madrid es un proceso estocstico estacionario, es decir, que las propiedades estadsticas de esta variable son constantes durante largos perodos de tiempo. De tal manera que, aunque la temperatura esperada para maana pueda depender en parte de la de hoy, la temperatura media esperada el 1 de Enero del prximo ao y su varianza, casi no dependen de la temperatura de hoy, y su valor es igual al valor esperado de la temperatura del 1 de Enero del siguiente ao y a su varianza, siendo tambin igual a la temperatura esperada para el 1 de Enero del tercer ao -contando desde ahora mismo- y a su varianza, etctera. Por otra parte, las acciones de Gamesa son un ejemplo de un proceso estocstico no estacionario, porque el valor esperado de las mismas puede crecer sin lmites, lo que implica tambin que la varianza del precio en el ao T va aumentando conforme aumente T. Tanto la temperatura en Madrid como el rendimiento de las acciones de Gamesa son procesos estocsticos continuos en el tiempo, porque el ndice del tiempo t es una variable continua (dado que las variables varan continuamente a los largo del tiempo). Por el contrario, los procesos estocsticos discretos en el tiempo, son aquellos en los que los valores de las variables slo varan en momentos determinados (discretos) del tiempo. De forma similar, y como ya vimos anteriormente, el conjunto de valores de xt (los estados) tambin pueden ser continuos o discretos.
(1)
donde
xt+1 = xt + t
es una variable aleatoria con una distribucin de probabilidad de: prob ( t = 1) = prob ( t = -1) = 50% para t = 1, 2, 3...
Denominamos a xt un proceso de estados discretos porque slo puede tomar valores discretos. As, si x0 = 0, para los valores impares de t, los posibles valores de xt son (-t, ...... , -3 , -1 , 1 , 3 , ...... , t) mientras que para los valores pares de t los valores de xt seran (-t, ...... , -4 , -2 , 0 , 2 , 4 , ...... , t). La distribucin de probabilidad para xt procede de la distribucin binomial (ver figura 4).
Monografas de Juan Mascareas sobre Finanzas Corporativas ISSN: 1988-1878 Procesos estocsticos: Introduccin
t=0
t=1
t=2
t=3
t=4 4
3 2 1 0 -1 -2 -3 -4
Fig. 4 rbol de la distribucin binomial
2 1
0 -1
-2
Para t pasos, la probabilidad de que haya n saltos hacia abajo y t-n hacia arriba es igual a:
t t t! -t n 2 = n! (t - n)! 2
Fig. 5 Caminos que permiten alcanzar el valor -2 en el periodo 4 partiendo desde el inicio.
As, por ejemplo, la probabilidad de que para 4 pasos haya 3 saltos hacia abajo y uno slo hacia arriba es igual a:
Monografas de Juan Mascareas sobre Finanzas Corporativas ISSN: 1988-1878 Procesos estocsticos: Introduccin
As, por ejemplo, la probabilidad de que x4 = 4 - (2 x 3), es decir x4 = -2 es igual al 25%. Para todos los dems valores las probabilidades se pueden ver en la figura 6. Observe que el rango de posibles valores que xt puede tomar aumenta con el valor de t, lo mismo que le ocurre tambin a la varianza de xt (tal y como se puede observar en la parte inferior de la figura 6). Por eso xt es un proceso no estacionario. Debido a que la probabilidad de un salto hacia arriba o hacia abajo es el 50%, en el momento t el valor esperado de xt es igual a 0 para cualquier valor de t.
Fig. 6
Monografas de Juan Mascareas sobre Finanzas Corporativas ISSN: 1988-1878 Procesos estocsticos: Introduccin
(3)
t t -n n n p q
En la figura 7 se muestra un ejemplo para p = 75% y q = 25%. La lnea roja indica la evolucin del valor medio esperado que, como se ve, tiene una tendencia ascendente. Tambin se aprecian las nuevas probabilidades de los valores de xt para t = 4; as como los valores de las varianzas en cada periodo (por cierto, observe algo interesante: la varianza aumenta proporcionalmente al tiempo t; la varianza para t=3 es igual a la de t=1 por 3, etctera)
Fig.7
Otra forma de generalizarlo es dejar que el tamao del salto en cada instante t sea una variable aleatoria continua. Por ejemplo, que siga una distribucin normal de media cero y desviacin tpica . Entonces, diremos que xt es un proceso estocstico de estado discreto y tiempo continuo. 3.1 Proceso de reversin a la media Otro ejemplo de este ltimo tipo de proceso estocstico es el denominado proceso auto regresivo de primer orden o AR(1), que viene dado por la siguiente ecuacin:
(4) xt = + xt-1 + t
Monografas de Juan Mascareas sobre Finanzas Corporativas ISSN: 1988-1878 Procesos estocsticos: Introduccin
donde y son constantes, con 1 < < 1, y t es una variable aleatoria normalmente distribuida de media nula. Este proceso es estacionario, y xt tiene un valor esperado a largo plazo igual a /(1-), independientemente de cul sea su valor actual (este valor se obtiene haciendo xt = xt-1 = x en la ecuacin 4 y despejando x). El proceso AR(1) se denomina tambin proceso de reversin a la media2, porque el valor de xt tiende hacia su valor esperado a largo plazo. Hay muchos procesos en la vida diaria que siguen una reversin a la media, por ejemplo, la altura de las personas tiende a un valor medio, el arrojar una moneda al aire varias veces seguidas para contar las caras o las cruces tiende a un valor del 50% para cada una de ellas, los fondos de inversin con un buen comportamiento el ao pasado tendern a la media del mercado en aos sucesivos, etctera. Una expresin matemtica que muestra este proceso es:
xt = xt-1 - b xt-1 + b E(x) + t xt = b E(x) + (1-b) xt-1 + t xt = + xt-1 + t, donde es igual a b E(x) y es igual a (1-b)
En la figura 8 se muestra un ejemplo de este proceso. Para ello suponemos que una variable aleatoria, cuyo valor actual es 15, tiene un valor medio esperado de 20 y oscila con una desviacin tpica de 5. La velocidad de ajuste a su valor medio esperado es del 10%. Las ecuaciones representativas podran ser:
xt = xt-1 0,1 [xt-1 20] + N(0,5), o tambin, xt = 0,1 x 20 + (1 - 0,1) xt-1 + N(0,5) = 2 + 0,9 xt-1 + N(0,5)
Francis Galton, buscando leyes hereditarias encontr que la altura de los hijos varones tenda a regresar hacia la altura media de la poblacin, comparada con la altura de sus progenitores varones. De alguna manera, los padres altos tendan a tener hijos ms bajos y viceversa. Galton desarroll el anlisis de regresin para estudiar este efecto al que se refera de forma optimista como regresin hacia la mediocridad.
Monografas de Juan Mascareas sobre Finanzas Corporativas ISSN: 1988-1878 Procesos estocsticos: Introduccin
45,0 40,0 35,0 30,0 25,0 20,0 15,0 10,0 5,0 0,0
12 15 18 21 24 27 30 33 36 39 42 45 45 48 48 0 3 6 9
Fig.8 Reversin a la media con un valor inicial de 15, un valor medio esperado de 20, una velocidad de ajuste del 10% y una desviacin tpica de 5 [xt = xt-1 0,10[xt-1 20] + N(0,5)]
En la figura 9 se muestra el mismo ejemplo pero con una velocidad de ajuste superior e igual al 75%, lo que hace que las oscilaciones sean ms bruscas y apelotonadas en el tiempo.
Fig.9 Reversin a la media con un valor inicial de 15, un valor medio esperado de 20, una velocidad de ajuste del 75% y una desviacin tpica de 5 [xt = xt-1 0,75[xt-1 20] + N(0,5)]
En la tabla 1 se muestra un ejemplo del clculo de la velocidad de ajuste segn la expresin (5). Supongamos que disponemos de 21 precios de un activo columna Precio (Xt)- construiremos una columna con los mismos precios desfasados un periodo columna Precio (Xt-1)-; calcularemos el valor medio de ambas columnas: 18,26 y 18,56 respectivamente, y el valor de la desviacin tpica de ambas: 5,87 y 5,57. Lo siguiente es calcular la covarianza de ambas series de datos multiplicando la diferencia de cada valor de una columna con su media por la diferencia de cada valor de la otra columna por su media (por ejemplo: (18,25-18,26) x (15,92-18,56) = 0,0264 0,03); obtendremos el valor medio de la covarianza: 6,68 y lo dividiremos por la varianza del valor de la columna Precio (Xt-1) lo que nos proporcionar el valor del coeficiente :
Monografas de Juan Mascareas sobre Finanzas Corporativas ISSN: 1988-1878 Procesos estocsticos: Introduccin
6,68
b= 0,78
Tabla 1
2.2 Procesos de reversin a la media con saltos Una versin ms sofisticada del proceso de reversin a la media analizado en el apartado anterior es hacer que el valor de la variable x sufra saltos bruscos en momentos del tiempo aleatorios. Por ejemplo, este tipo de modelos sirve para modelizar el comportamiento de los precios de la electricidad en un mercado libre (Leizpig Power Exchange LPX, por ejemplo). La ecuacin del mismo es:
10
Monografas de Juan Mascareas sobre Finanzas Corporativas ISSN: 1988-1878 Procesos estocsticos: Introduccin
(6) xt = + xt-1 + t + tt
El sumando tt se encarga de modelizar los picos de los precios utilizando un proceso binomial simple. As t, que indica si se produce o no el salto en el momento t, puede tomar un valor igual a la unidad con una probabilidad (es decir, se produce un salto) o tomar un valor nulo con una probabilidad 1- (no se produce el salto). Mientras que t, que indica el tamao del salto, sigue una distribucin normal con una media () y una distribucin tpica (). En la figura 10 se puede observar el resultado de la ecuacin 6 para una simulacin de un mes, por horas, de los precios de la electricidad.
140,00 120,00 100,00 80,00 60,00 40,00 20,00 0,00 1 49 97 145 193 241 289 337 385 433 481 529 577 625 673
Fig.10 Reversin a la media con un valor inicial de 18, un valor medio esperado de 20, una velocidad de ajuste del 20%, una desviacin tpica de 4,8%, = 0,0026, la media del salto igual a 47,43 y su desviacin tpica de 23,19
2.3 Procesos de Markov Tanto el proceso del recorrido aleatorio (con estados discretos o continuos, con tendencia o sin ella) como el AR(1) satisfacen la propiedad de Markov y por ello se denominan procesos de Markov. Dicha propiedad dice que la distribucin de probabilidad para xt+1 depende slo de xt y no de lo que ha ocurrido antes del tiempo t. As, en la ecuacin 1, si xt = 6, entonces xt+1 puede valer 5 o 7 con una probabilidad del 50% en cada caso. Los valores xt-1, xt-2... son irrelevantes una vez que conocemos el valor de xt (en la figura 3 pudimos observar esta propiedad). Gracias a dicha propiedad se puede simplificar mucho el anlisis de los procesos estocsticos. Concretando, un proceso de Markov es un tipo particular de proceso estocstico en el que para predecir el comportamiento futuro de la variable aleatoria nicamente es relevante su valor actual. Los valores anteriores de la variable o el sendero que en su momento siguieron son totalmente irrelevantes. As, por ejemplo, si el precio de las acciones de Gamesa sigue un proceso de Markov y su valor actual es de 13 , nuestras predicciones no se vern afectadas por el precio de Gamesa de hace una semana, un mes, etctera (estos datos pasados s son impor-
11
Monografas de Juan Mascareas sobre Finanzas Corporativas ISSN: 1988-1878 Procesos estocsticos: Introduccin
tantes para calcular la varianza o desviacin tpica que permitan definir las propiedades estadsticas del precio de Gamesa su volatilidad- pero lo que es irrelevante es el sendero que dichos precios sigui en el pasado). La propiedad de Markov implica que la distribucin de probabilidad del precio en cualquier momento futuro del tiempo no depende del sendero concreto que dicho precio sigui en el pasado.
Bibliografa
COPELAND, Tom y ANTIKAROV, Valdimir (2001): Real Options. Texere. Nueva York DIXIT, Avinash y PINDYCK, Robert (1994): Investment under Uncertainty. Princeton University Press. Princeton (NJ). Pp.: 60-63
12
Monografas de Juan Mascareas sobre Finanzas Corporativas ISSN: 1988-1878 Procesos estocsticos: Introduccin
GONICK, Larry y SMITH, Woollcott (2005): The Cartoon Guide to Statistics. Harper Collins. Nueva York HLOUSKOVA, Jaroslava; KOSSMEIER, Stephan; OBERSTEINER, Michael y SCHNABL, Alexander (2005): Real options and the value of generation capacity in the German electricity market. Review of Financial Economics 14; 297-310 HULL, John (2000): Options, Futures, & Other Derivatives. Prentice Hall. Englewood Cliffs (NJ) (4 ed.)
13